[发明专利]一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法

说明书

本发明涉及现代医学技术领域，且公开了一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，包括以下步骤：S1、回顾性数据收集：回顾性收集WB‑MRI数据构建训练集和验证集，根据入组标准回顾性纳入WB‑MRI数据200例，随机分为训练集180例和验证集20例，利用训练集数据训练神经网络模型，利用验证集数据调整模型参数、优化模型；本发明通过将深度学习技术应用于WB‑MRI快速成像，深度学习在加快成像速度提高成像质量方面已显示出了巨大的潜力。本项目通过引入迁移学习，将心脏MRI的欠采样重建(DC‑CNN网络)和自然图像的超分辨率重建(RDN网络)中学习到的知识作为前提，运用到WB‑MRI快速成像中，既可以减少计算量和训练时间，也可以提高WB‑MRI图像重建效果。

技术领域

本发明涉及现代医学技术领域，具体为一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法。

背景技术

《转移性前列腺癌化疗中国专家共识(2019版)》指出，影像学检查对转移性前列腺癌患者转移负荷的精准评估和疗效评价具有重要意义。全身磁共振成像(Whole-bodymagnetic resonance imaging,WB-MRI)突破单部位的限制，包含全身解剖及功能成像，可用于全身多灶性恶性病灶的定性、定量评估，有助于精准评估前列腺癌转移负荷及治疗反应。WB-MRI对骨转移具有极高的敏感性和特异性，其效能优于SPECT，与PET-CT相当。全身弥散加权成像(Whole-body diffusion weighted imaging，WB-DWI)也称为类PET成像，在前列腺癌转移负荷的评估方面具有良好的效能，DWI定量参数表观扩散系数(Apparentdiffusion coefficient，ADC)能够对病灶进行定量评估，且具有极好的可重复性。相比于PET-CT，WB-MRI具有价格低廉、无创、无辐射、无需对比剂等优点，在转移性前列腺癌病灶检测、治疗反应评估方面具有良好的潜力。国际前列腺癌转移报告和数据系统(MET-RADS-P)指南推荐WB-MRI作为转移性前列腺癌的常规检查。然而，WB-MRI并未在临床中广泛应用。扫描时间过长(通常45-60分钟)是制约WB-MRI发展的主要难题，长时间扫描可能会让前列腺癌转移性骨痛患者或无法久卧的人感到痛苦及不耐受，也会影响MRI仪器的使用率和诊断的及时性，还会引入运动伪影而导致图像失真。WB-MRI快速成像的实现，可以让更多的患者使用这项检查并从中获益，并且避免与CT、PET/CT相关的辐射。因此，实现WB-MRI快速成像具有重要意义。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，解决了上述背景技术中所存在的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，包括以下步骤：

S1、回顾性数据收集：回顾性收集WB-MRI数据构建训练集和验证集，根据入组标准回顾性纳入WB-MRI数据200例，随机分为训练集180例和验证集20例，利用训练集数据训练神经网络模型，利用验证集数据调整模型参数、优化模型；

S2、图像预处理：采用T2WI图像预处理和DWI图像预处理两种方式实现对WB-MRI的加速扫描，从而获取深度网络训练所需的欠采样(或下采样)输入图像和全采样的目标图像；

S3、基于深度学习的WB-MRI快速成像模型的训练、验证和优化：采用深度级联卷积神经网络(DC-CNN)和深度残差密集网络(RDN)作为基础网络，结合迁移学习的方法，采用回顾性数据学习输入图像(欠采样或下采样图像)和目标图像(全采样图像)之间的映射关系，即网络参数权重，以获得基于深度学习的WB-MRI快速成像模型，如图1所示；

S4、基于深度学习的WB-MRI快速成像模型的测试：前瞻性收集50例疑诊转移性前列腺癌患者和10例健康志愿者对构建的深度学习模型进行测试；